R se está volviendo bastante fuerte herramienta para manejar y analizar datos espaciales. Aprendí algunas cosas útiles a través de las preguntas como estos en el SO y pensé que podría ser útil tener algo similar, pero más orientado al "espacio".
¿Puedes compartir algunos consejos y trucos de R espacial que te hayan resultado útiles?
Esta pregunta ha sido convertida a Wiki comunitaria y wiki bloqueada porque es un ejemplo de pregunta que busca una lista de respuestas y parece ser lo suficientemente popular como para protegerla del cierre. Es debe ser tratado como un caso especial y no debe ser visto como el tipo de pregunta que se fomenta en este, o cualquier sitio de Stack Exchange pero si deseas contribuir con más contenido, siéntete libre de hacerlo editando esta respuesta. de hacerlo editando esta respuesta.
Esto no es tanto un truco como spplot() de la empresa. spplot() La capacidad de la leyenda de escalar las muestras (para que coincidan con los rangos de clasificación) sirve como una herramienta pedagógica útil cuando se discute la distribución de los datos de atributos y los tipos de clasificación. La combinación de gráficos de distribución acumulativa con los mapas ayuda en esta tarea.
Los estudiantes sólo tienen que modificar unos pocos parámetros de script para explorar los tipos de clasificación y los efectos de la transformación de datos. Esta suele ser su primera incursión en R en lo que es un curso centrado principalmente en ArcGIS.
Aquí tienes un fragmento de código:
library(rgdal) # Loads SP package by default
NE = readOGR(".", "NewEngland") # Creates a SpatialPolygonsDataFrame class (sp)
library(classInt)
library(RColorBrewer)
pal = brewer.pal(7,"Greens")
brks.qt = classIntervals(NE$Frac_Bach, n = 7, style = "quantile")
brks.jk = classIntervals(NE$Frac_Bach, n = 7, style = "jenks")
brks.eq = classIntervals(NE$Frac_Bach, n = 7, style = "equal")
# Example of one of the map plots
spplot(NE, "Frac_Bach",at=brks.eq$brks,col.regions=pal, col="transparent",
main = list(label="Equal breaks"))
# Example of one of the cumulative dist plots
plot(brks.eq,pal=pal,main="Equal Breaks")Ref: Applied Spatial Data Analysis with R (R. Bivand, E Pebesma & V. Gomez-Rubio)
EDIT: nota esto ya no funciona 2018-10-24, debido a los nuevos requisitos para las fuentes de mapas de google.
Me alegró bastante encontrar el paquete dismo con geocodificación y descarga de google maps:
library(dismo)
x <- geocode('110 George Street, Bathurst, NSW, Australia')
a <- x[5:8] + c(-0.001, 0.001, -0.001, 0.001)
e <- extent(as.numeric(a))
g <- gmap(e, type = "satellite")
plot(g)Eso es en R 2.12.0 en Windows, es trivial instalar dismo y sus dependencias allí, no estoy seguro en otros sistemas.
Esto parece muy útil - sin embargo, me encuentro con problemas con la línea e <- extent(x[4:7] + c(-0.001, 0.001, -0.001, 0.001)) ad me aparece un mensaje de error Error: c("x", "y") %in% names(x) is not all TRUE . x[4:7] Sin embargo, parece estar bien; ¿alguna idea sobre cuál podría ser el problema?
Estoy intentando reproducir el ejemplo de esta respuesta y no funciona. x <- geocode('110 George Street, Bathurst, NSW, Australia') devuelve ZERO_RESULTS por ejemplo, y cuando uso un ejemplo que devuelve una lat/long, la función e <- extent(x[4:7] + c(-0.001, 0.001, -0.001, 0.001)) also fails.
Tampoco es un truco, pero aquí hay algunos recursos/ejemplos que he recopilado
Un ejemplo de trazando pequeños mapas múltiples de datos Areal en R utilizando el paquete lattice.
Hay algunas preguntas en StackOverflow que preguntan sobre el mapeo y R, y aquí es uno con un buen ejemplo. Yo también miraría las otras respuestas y los recursos que dan (además de buscar algunos ejemplos más) en SO.
Un enlace diferente al mismo r-sig-geo grupo que Brad ya dio. Es muy activo, y Roger Bivand responde a preguntas prácticamente todos los días en el grupo. Ambas relacionadas con la programación y el análisis estadístico.
Además de revisar la página del espacio de la manivela, también sugeriría revisar específicamente el Spatstat página mantenida por Adrian Baddeley. Muchos ejemplos, un curso y un próximo libro electrónico. (En este momento he estado revisando el spatstat curso (y creo que es una introducción mucho más suave que el libro de Bivand).
No es un recurso gratuito, pero para cualquiera que esté interesado en R le sugiero que consulte el ¡Usa R! de Springer. Tienen un libro Análisis de datos espaciales aplicados con R directamente pertinente (también el libro Guía de R para principiantes es mi libro sugerido para aprender R).
Un libro electrónico gratuito, Guía práctica de cartografía geoestadística (Hengl 2009), tiene ejemplos de geoestadística aplicada en R, GRASS y Google Earth (KML).
Si encuentro más ejemplos buenos, seguiré actualizando (¡espero que otras personas también publiquen buenos ejemplos!)
Aquí hay algunos que he recogido.
cran.r espacial , blog de gmane , Análisis de series temporales , geodatacenter
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
